AI時代におけるシステム開発・業務プロセス変革の構造と新たな価値提供の方向性

解説

近年、大規模言語モデル（LLM）を活用した自律型AIエージェントが進化するにつれ、「SaaSの終焉」や「SIer業界の崩壊」といった議論が広まっています。これは、AIが人間の代わりに業務を完遂できるようになることで、これまで人材数（アカウント数）や工数（人月）に基づいて価値が提供されてきたビジネスモデルそのものが成り立たなくなるのではないかという懸念に基づいています。

特に注目されているのが、システム開発における「ビジネスロジック」の扱い方です。表面的な操作画面の使いやすさ（UI/UX）は重要性を失う一方で、「法律やルールに則った複雑な計算・処理の仕組み」といった根幹となるデータ管理とロジックの部分が、これまで以上の価値を持つことが指摘されています。

また、システム開発における新たな動きとして「FDE（Forward Deployed Engineer）」という専門職の台頭があります。これはAI企業などが導入している新しい手法で、顧客現場に入り込み、自社プロダクトと実際の業務のギャップを埋めながらシステムを完成させる体制です。

これらの変化は、単なる技術的な進歩に留まらず、システムのアーキテクチャ設計やセキュリティガバナンスの面での構造的な転換を引き起こしています。特に金融などの規制産業では、AIが自社データにアクセスし作業を行うための高度な統制基盤の構築が急務です。

今後は、周辺の個別カスタマイズに対応する「能力」や、それらの知見を蓄積して次世代プロダクトに昇華できる構造を持つ企業こそが競争優位性を保てるため、全体的なアーキテクチャの見直しとセキュリティ統制の強化が必要不可欠です。

ポイント

• AIエージェント技術の進展に伴い、従来「アカウント数」や「工数」に基づくビジネスモデル（SaaS/SIer）の前提が揺らいでいる。
• 価値の焦点はUIから「法律・ルールに則った計算ロジック」を持つデータ基幹システム（SoR）へと移行し、これが新たな参入障壁となる。
• 今後は、AI活用による効率化だけでなく、ガバナンスやアーキテクチャ世代差に基づいた「信頼できる統制された実装能力」が最も重要になる。
• 手掛けるべき市場は巨大な基幹システム領域ではなく、中規模企業の個別最適ニーズ（周辺カスタマイズ）の解決にシフトする。

情シスへの影響

【システムアーキテクチャと設計】

従来の「機能追加・画面修正」中心の開発アプローチから、「コアとなるデータロジックをいかに正確かつ再現性高く維持し、AIによるアクセス制御を行うか」という観点が最重要になります。

特に金融など規制産業では、単にデータを記録するだけでなく、法的要件に基づいた複雑な計算やロジック（例：貸付計算）が誤りなく実行され、その過程を監査可能な形で残すための基盤設計が必要です。

【セキュリティとガバナンス】

AIエージェントが自社データにアクセスして業務を行うフェーズに入ると、「誰が」「どこまで」「どのような目的で」データに触れるのかという厳密な権限定義が求められます。過去のシステムは「人間による手動操作を前提」としているため、必要なログ記録や、特定の権限（閲覧のみ、書き込み不可など）を設定するための技術的・運用的な対応が必要になります。

【開発プロセスと人材要件】

今後のシステム開発では、「コードを書く工数削減」以上に、「ビジネスロジックや業界特有の知識（暗黙知）」をいかに言語化し、AIが利用できる形で構造化する（ナレッジストア化）という上流工程（企画・設計段階）の重要性が高まります。これは単なる開発者スキルではなく、業務ドメインに深く理解した「コンサルティング的な能力」を持つ人材が求められることを意味します。

影響範囲

全ての基幹システムに関わる管理者

• 影響範囲：データロジック層（ビジネスロジック）、システムの認証・認可機構、開発ライフサイクル全体。

• 対象機能：業務プロセスに組み込まれた計算処理、外部連携を行うAPI、権限管理システム。

• 必要対応領域：アーキテクチャ設計の見直し、高度なアクセス制御の実装、監査証跡（ログ）の強化。特に金融・医療など規制産業での利用が前提となります。

重要度

★★★★★

対象者

• セキュリティ担当者
• AD管理者
• Windows管理者
• Linux管理者
• ネットワーク管理者

優先度

早めに対応

優先度の理由

この記事で指摘されているのは、市場構造の根本的な変化であり、特に規制や高い信頼性が求められる基幹システム（金融系など）に大きな影響を与えます。AIエージェントによるデータアクセスは、現在の権限設計では対応が困難なケースが多く、「適切な統制基盤」の構築が必須となります。具体的な技術実装への着手が必要な領域であるため、情報収集レベルではなく「早めに対応」が必要です。ただし、全社一斉対応は難しいため、影響度の高いコアシステムから優先的に検討すべきです。

確認手順

• 1. 主要な基幹システム（会計、販売管理など）において、AIや外部連携エージェントがデータにアクセスする際の想定シナリオと、現在の権限設定のギャップを特定する。
• データの参照・書き込み権限について、「人間による操作」前提から「機械（AIエージェント）による実行」を想定した最小権限原則に基づいた設計見直しを実施する。
• システムログや監査証跡において、誰が（どの主体が）、何にアクセスし、どのようなロジックを経てデータ変更を行ったかを追跡できるか、記録要件を確認する。
• 社内の重要な業務知識やプロセスを「AIが利用しやすい形」（手順書化・構造化）で整理し始めるためのキックオフ会議を設定する。